过程控制系统的故障检测诊断与容错控制

论文摘要

过程系统的生产环境通常处于高温高压或低温真空等极端环境,如操作不当或因控制系统发生故障,可能造成生产中断、爆炸、毒气泄漏等危险。为了提高生产的安全性,对控制系统进行有效地故障检测、诊断与容错补偿措施是十分必要的。且多数过程控制对象都具有慢变化特性,其控制精度的要求比航空航天或运动控制精度要低,这就为故障检测、诊断与容错控制技术在工业过程中的应用提供了可能性。实际的容错控制策略不仅要保证在故障模式下系统的稳定,同时也要尽可能满足一定的性能指标或约束条件,因此进一步探索在多目标或多约束条件下的满意容错控制方法就是非常必要的。本文重点研究过程控制系统的故障检测、诊断与容错控制理论与技术,取得的主要研究成果与创新点如下:1.建立了符合工业实际的多种传感器故障和执行器故障（阀门故障）的合理描述模型,改进了现有的“二状态故障模型”描述方法,研究了基于神经网络建模与自适应阈值技术的鲁棒故障检测与诊断方法,并进一步设计了一种有效的厂级主动补偿容错控制策略。分别在三水箱实验平台和DAMADICS平台上验证了上述方法的有效性。2.提出了一种基于特征样本、核主元分析和核函数梯度算法的故障检测与诊断方法。该方法采用了特征样本提取技术解决了过程监控中核矩阵K计算量大的问题,利用核函数梯度算法计算每个监控变量对统计量T2和SPE贡献度诊断故障信号,并在Tennessee Eastman化工仿真平台的多种不同类型故障模式下,验证了上述策略的有效性。3.针对复杂工业过程中多回路控制和复杂操作等因素造成的工业故障诊断难度加剧问题,提出了一种基于独立成分分析和支持向量机的集成故障诊断方法。针对中石化丁二烯普通精馏生产装置的实际生产过程,利用连续三年的实际工业故障数据,验证了提出的ICA-SVM集成故障诊断方法的有效性和快速性。4.针对一类模型未知的多变量非线性系统,提出了一种基于扩展卡尔曼滤波在线学习算法的RBF网络逆模容错控制方法。该方法采用扩展卡尔曼滤波算法在线更新网络权值,学习系统的时变参数或故障动态,并利用自适应RBF模型的迭代逆模算法求解故障动态下最优的控制变量,实现故障容错控制。在三水箱实验平台的多种泄漏故障模式下验证了上述控制策略的有效性。5.为了满足工业实际中要求容错控制策略不仅保证故障模式下系统的稳定,同时还须满足一定的性能指标或约束条件的要求,本文还进一步对多指标约束下的复杂控制系统满意容错控制方法进行了初步的研究。针对同时具有状态和控制时滞的不确定离散时滞系统,在一般执行器故障模式下,研究了基于状态反馈的H∞满意容错控制和鲁棒保成本控制问题;针对非线性T-S模糊系统,提出了稳定度、输入和输出相容指标约束下的满意容错控制器设计方法,和在极点、状态方差和H∞相容指标约束下满意容错控制器的设计方法;针对非线性T-S模糊时滞系统,分别设计了含时滞记忆和无时滞记忆的状态反馈H∞满意容错控制器。最后,在总结全文工作的基础上,给出了本文后续需进一步探讨的一些问题。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 论文的研究背景与意义
• 1.2 过程控制系统的主要特点与现状
• 1.3 过程控制系统的故障检测与诊断研究现状
• 1.4 过程控制系统的容错控制研究现状
• 1.5 课题欲解决的一些问题
• 1.6 本文的主要内容
• 2 基于多模型的鲁棒故障诊断与补偿容错控制
• 2.1 引言
• 2.2 故障现象的合理描述
• 2.2.1 传感器故障的合理描述
• 2.2.2 执行器故障（阀门故障）的合理描述
• 2.3 基于多模型的鲁棒故障检测技术
• 2.3.1 系统的建模
• 2.3.2 残差的生成
• 2.3.3 残差鲁棒性问题分析
• 2.3.4 闭环系统的鲁棒故障检测技术
• 2.4 主动补偿容错控制方法的设计
• 2.4.1 工业系统的基础闭环控制层
• 2.4.2 基于多模型的故障检测诊断与容错控制层
• 2.4.3 人机监督管理层
• 2.5 三水箱系统的故障检测诊断与补偿容错控制仿真
• 2.5.1 三水箱系统模型
• 2.5.2 建立三水箱过程的解析模型
• 2.5.3 传感器精度下降故障的检测与容错补偿控制仿真
• 2.5.4 多模式传感器故障的检测与补偿容错控制仿真
• 2.6 多重执行器故障（阀门故障）的仿真研究
• 2.6.1 数据的获取
• 2.6.2 过程解析模型的建立
• 2.6.3 基于自适应阈值的阀门故障鲁棒检测仿真
• 2.6.4 基于多残差描述的阀门故障诊断仿真
• 2.6.5 阀门故障补偿容错控制仿真
• 2.7 本章小结
• 3 基于特征样本核主元分析的过程故障检测与诊断方法
• 3.1 引言
• 3.2 核主元分析（Kernel PCA）
• 3.2.1 Kernel PCA算法
• 3.2.2 基于特征样本提取的KPCA
• 3.3 Kernel PCA在线故障检测策略
• 2和SPE的在线故障检测方法'>3.3.1 基于T²和SPE的在线故障检测方法
• 3.3.2 Kernel PCA在线故障检测的步骤
• 3.4 基于核函数梯度算法的在线故障诊断策略
• 3.5 仿真研究
• 3.5.1 Tennessee Eastman过程
• 3.5.2 仿真数据生成
• 3.5.3 特征样本提取
• 3.5.4 基于 KPCA的TE在线故障检测仿真结果
• 3.5.5 FS-KPCA在线故障诊断结果
• 3.6 本章小结
• 4 基于独立成份分析与支持向量机的复杂过程集成故障诊断方法
• 4.1 引言
• 4.2 基于独立成分分析（ICA）的故障检测与诊断方法
• 4.2.1 独立成分分析（ICA）算法
• 4.2.2 ICA在线故障检测方法
• 4.2.3 基于统计贡献度的在线故障诊断方法
• 4.3 支持向量机（SVM）的故障分类
• 4.3.1 支持向量机的分类算法
• 4.3.2 多分类的支持向量机算法
• 4.4 ICA-SVM的集成故障诊断方法
• 4.4.1 建立ICA模型和故障分类SVM模型（离线训练）
• 4.4.2 ICA-SVM在线实时故障检测与诊断方法
• 4.5 实例仿真研究
• 4.5.1 丁二烯普通精馏生产装置
• 4.5.2 监控过程变量和扰动变量分析
• 4.5.3 DA106精馏塔故障检测与诊断仿真研究
• 4.5.4 DA107精馏塔故障检测与诊断仿真研究
• 4.6 本章小结
• 5 基于扩展卡尔曼滤波算法的神经网络逆模主动容错控制
• 5.1 引言
• 5.2 自适应RBF神经网络模型
• 5.2.1 问题的描述
• 5.2.2 RBF神经网络模型
• 5.2.3 扩展卡尔曼滤波算法更新模型权值
• 5.3 逆模主动容错控制器的设计
• 5.3.1 逆模主动容错控制结构
• 5.3.2 基于RBF网络模型的逆迭代控制算法
• 5.4 仿真研究
• 5.4.1 过程建模
• 5.4.2 基于逆模迭代算法的主动容错策略仿真
• 5.5 本章小结
• 6 多指标约束下的不确定离散时滞系统满意容错控制
• 6.1 引言
• 6.2 不确定离散时滞系统的鲁棒H∞满意容错控制
• 6.2.1 问题描述
• 6.2.2 主要结果与证明
• 6.2.3 仿真算例
• 6.3 成本函数指标约束下的满意容错控制
• 6.3.1 问题描述
• 6.3.2 主要结果与证明
• 6.3.3 仿真算例
• 6.4 本章小结
• 7 多指标约束下模糊非线性系统的满意容错控制
• 7.1 引言
• 7.2 稳定度、输入和输出指标约束下的满意容错控制
• 7.2.1 问题描述
• 7.2.2 主要结果与证明
• 7.2.3 仿真算例
• 7.3 极点、状态方差和H∞指标约束下的满意容错控制
• 7.3.1 问题描述
• 7.3.2 主要结果与证明
• 7.3.3 仿真算例
• 7.4 无时滞记忆的非线性模糊时滞系统H∞满意容错控制
• 7.4.1 问题描述
• 7.4.2 主要结果与证明
• 7.4.3 数值算例
• 7.5 含时滞记忆的非线性模糊时滞系统H∞满意容错控制
• 7.5.1 问题描述
• 7.5.2 主要结果与证明
• 7.5.3 仿真算例
• 7.6 本章小结
• 8 总结与展望
• 致谢
• 参考文献
• 附录（攻读博士学位期间论文发表和科研项目参与情况）